Energy aware traffic engineering in wired communication networks

HAL Id: pastel-01002105

https://pastel.archives-ouvertes.fr/pastel-01002105

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci-entific research documents, whether they are pub-lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Energy aware traffic engineering in wired

communication networks

Aruna Prem Bianzino

To cite this version:

Aruna Prem Bianzino. Energy aware traffic engineering in wired communication networks. Other. Télécom ParisTech; Politecnico di Torino. Dipartimento di Elettronica e Telecomunicazioni, 2012. English. �NNT : 2012ENST0014�. �pastel-01002105�

2012-ENST-014

EDITE - ED 130

Doctorat ParisTech

T H È S E

pour obtenir le grade de docteur délivré par

TELECOM ParisTech

Spécialité « Informatique et Réseaux »

présentée et soutenue publiquement par

Aruna Prem BIANZINO

le 4 mai 2012

Ingénierie de Trafic avec Conscience d’Énergie

dans les Réseaux Filaires

Directeur de thèse: Jean-Louis ROUGIER

Co-encadrement de la thèse: Marco AJMONE MARSAN

Jury

M. Raffaele BOLLA,Prof., Universitá di Genova, Italie Rapporteur

M. Ken CHRISTENSEN,Prof., University of South Florida, USA Rapporteur

M. Maurice GAGNAIRE,Prof., Télécom ParisTech, France Examinateur

Mme Isabelle GUÉRIN LASSOUS,Prof., Université Lyon I, France Examinateur

TELECOM ParisTech

POLITECNICO DI TORINO Dipartimento di Elettronica

DOTTORATO DI RICERCA IN INGEGNERIA DELL’INFORMAZIONE

ENERGY AWARE TRAFFIC ENGINEERING IN WIRED

COMMUNICATION NETWORKS

Doctoral Dissertation of: Aruna Prem Bianzino

Advisors:

Prof. Jean-Louis Rougier Prof. Marco Ajmone Marsan

TELECOM PARISTECH POLITECNICO DI TORINO Département d’Informatique et Réseaux Dipartimento di Elettronica Doctorat en Informatique et Réseaux Dottorato in Ingegneria dell’Informazione

ENERGY AWARE TRAFFIC ENGINEERING IN WIRED COMMUNICATION NETWORKS

Author: Aruna Prem BIANZINO

Defended the 4 May 2012 in front of the committee composed of:

Referees: Prof. Raffaele BOLLA (Universitá di Genova, Italy)

Prof. Ken CHRISTENSEN (University of South Florida, USA) Examiners: Prof. Maurice GAGNAIRE (Télécom ParisTech, France)

Prof. Isabelle GUÉRIN LASSOUS (Université Lyon I, France) Advisors: Prof. Marco AJMONE MARSAN (Politecnico di Torino, Italy)

Acknowledgements

First of all, I would like to thank the TÉLÉCOM ParisTech and the Politecnico di Torino institutes for the unique opportunity they offered me, it enriched me a lot, both on the human and the professional sides. I am grateful to all the people that have dedicated time and patience to guide me through this amazing period and have contributed to make my experience as pleasurable as possible.

A special thanks to Jean-Louis, Dario, Marco, Luca, for the support given, the guid-ance offered, and the helpfulness in sharing their knowledge and experience, and to all the professors and colleagues, with which I shared hard work and great fun. Without them, it would have been impossible to complete this thesis work.

Finally, I would like to express my deepest gratitude to my grandparents, real hooli-gans of my studies, to my family and friends, for the support that has always accompa-nied me through every choice that I have made and every place that I have been, and to the great motivation that pushed me exaclty in the time of need.

Résumé en Langue Française

Que le phénomène découle d’une prise de conscience des conséquences sur l’environ-nement, d’une opportunité économique ou d’une question de réputation et de com-merce, la réduction des émissions de gaz à effets de serre est récemment devenue un objectif de premier plan. Les individus, les entreprises et les gouvernements effectuent un effort important pour réduire la dépense énergétique de multiples secteurs d’activité. Parallèlement, les technologies de l’information et de la communication sont de plus en plus présentes dans la plupart des activités humaines et l’on a estimé que 2 % des émissions de gaz à effets de serre pouvaient leur être attribuées, cette proportion at-teignant 10 % dans les pays fortement industrialisés [1, 2].

Si ces chiffres paraissent raisonnables aujourd’hui, ils sont certainement appelés à croître à l’avenir. À l’heure du cloud computing, les infrastructures de calcul et de communication demandent de plus en plus de performance et de disponibilité et im-posent l’utilisation de matériels puissants et engendrant une consommation d’énergie importante du fait de leur fonctionnement direct, mais aussi à cause du refroidissement qu’ils nécessitent. En outre, les contraintes de disponibilité imposent une conception d’architectures redondantes et dimensionnées sur une charge crête. Les infrastructures sont donc souvent sous-utilisées et adapter leur niveau de performance à la charge ef-fectivement constatée constitue une piste d’optimisation prometteuse à divers niveaux. Si l’on adopte un strict point de vue environnemental, l’objectif du Green Networking consiste à réduire le volume d’émissions de gaz à effets de serre dues au processus de communication. L’utilisation de sources d’énergie renouvelables ou d’électronique de faible consommation (par exemple asynchrone) constituent des pistes évidentes d’amélioration. Il existe en outre de nombreuses stratégies d’optimisation liées à la con-ception physique de l’infrastructure elle même. Il est par exemple possible de localiser les éléments consommateurs en énergie (centres de calcul, etc.) proche des points de production afin d’éviter les pertes liées au transport de l’énergie sur de longues distance. Il est aussi possible de privilégier les endroits dans lesquels la température extérieure est faible tout au long de l’année afin de limiter l’utilisation de climatisation au profit d’une simple ventilation.

Ces stratégies peuvent avoir un impact important sur la consommation effective de l’infrastructure mais n’interviennent qu’en moindre mesure sur les aspects réseaux. La délocalisation d’éléments consommateurs, par exemple, impose des contraintes à

l’architecture du réseau et modifie le volume et le profil du trafic global. Il s’agit essen-tiellement de planification et d’optimisation statique. Dans cette thèse, nous ne nous intéressons au contraire qu’aux aspects qui touchent directement le fonctionnement dy-namique des réseaux, une fois le dimensionnement achevé et l’infrastructure en place, c’est-à-dire aux protocoles de communication. À l’image des infrastructures de cal-cul, les réseaux de communication sont généralement sur-dimensionnés et conçus de manière redondante. Le sur-dimensionnement est un phénomène naturel permettant de prévoir les évolutions du volume de trafic dues à de nouveaux usages et services. En outre, du fait de l’absence de gestion de qualité de service, l’évaluation de la charge de trafic à un instant donné est généralement effectuée sur la base d’une mesure ou d’une estimation du trafic crête. Par conséquent, durant les périodes de faible charge, le réseau est actif mais sous-utilisé et consomme inutilement de l’énergie, même si les profils de trafic sont souvent réguliers et connus. [3], par exemple, montre que le trafic subit des pics diurnes et des creux nocturnes. La redondance, quant-à-elle est néces-saire pour assurer un niveau de fiabilité et de tolérance aux pannes satisfaisant, mais nécessite l’installation d’équipements doublons qui restent en permanence en alerte afin de prendre le relais lorsqu’ils constatent une défaillance. Tout l’enjeu du Green Networking consiste à explorer les possibilités d’optimisation tout en limitant leur im-pact sur la qualité de service ou la tolérance aux pannes.

Dans cette thèse, nous nous intéressons uniquement aux pistes d’optimisation ap-plicables à un réseau filaire d’infrastructure. Dans le reste de ce résumé, le problème du routage avec conscience d’énergie sera étudié, y faisant initialement face comme un

problème d’optimisation, évaluant l’impact de profils de consommation énergétique

différents sur la solution. Deuxièmement, nous étudierons le problème du routage avec conscience d’énergie comme un problème de consolidation des ressources guidée

par la criticité, où les dispositifs à être éteints sont soigneusement choisis sur la base

de leur criticité dans le scénario de réseau considéré. Enfin, les solutions distribuées sont présentées, pour le problème du routage avec conscience d’énergie, qui agit en ligne et dans lequel aucun contrôle centralisé, ni des connaissances omniscent ne sont assumés. À la fin du résumé, le problème de banc d’essai sera présenté et des conclusions et des directions de travail futures seront dessinées.

Stratégies d’Économies d’Énergie

Même en rétrécissant le but du Green Networking à l’adaptation dynamique des réseaux en respect à la charge à laquelle elles sont soumises, il existe de nombreuses pistes d’optimisation de la consommation énergétique des réseaux. Des applications au routage et au mode de fonctionnement des liens de communication, il est possible d’agir à dif-férents niveaux. En tout premier lieu, afin de comprendre les différentes stratégies possibles pour l’économie d’énergie, il est nécessaire d’analyser les différentes solu-tions présentes dans la littérature. Dans cette direction, ce travail de thèse a contribué en fournissant une étude de l’état de l’art du Green Networking, et en définissant une

taxonomie pour le classement des différentes contributions [4].

or-!"#$%&'($) *% ) )µ% ) )#% ) )% ) )+ ) ), ) )-) ./& +"0$&01/'() 2$ 3 $ () 456) .27) 8*$/9-:.;'/$)7<1=*9) >*0$/?'&$) @/<A-"*9) 8*$/9-:.;'/$) >*?/'%0/1&01/$%) B$0;</C) 4$%"9*) >*0$/? 8*$/9-: .;'/$) .DD("&'= <*%)

Figure 1:Une image de la recherche actuelle dans le Green Networking.

données en base à l’échelle de temps et au niveau d’architecture auquel ils agissent. L’échelle de temps est un des critères de classification naturels pour les approches différentes de la recherche de Green Networking. Les échelles de temps sur l’ordre de nano-secondes aux micro-secondes s’appliquent à l’Unité Centrale de Traitement (CPU) et le niveau d’instruction, qui est pertinent dans les niveaux d’architecture infor-matiques et logiciels et concerner ainsi seulement les composantes individuelles d’un système simple. Les durées sur l’ordre de micro aux milli-secondes sont pertinentes à la couche de systèmes. À ces durées, des actions peuvent être prises entre les paquets consécutifs du même flux, impliquant probablement plusieurs composants en même temps, mais probablement limité dans un système seul. De plus grandes durées, sur l’ordre d’une seconde et ci-dessus, permettent à l’action d’impliquer entités multi-ples, impliquant probablement la coordination de telles entités aussi. Remarquez que l’échelle de temps définit directement le niveau architectural auquel les actions peuvent être prises: plus courte est la durée, plus basse est la couche et moins possible est l’interaction parmi des composants différents.

Tandis que les techniques impliquant des dispositifs seuls, ou des très petits jeux de dispositifs collaboratifs, offrent une économie d’énergie non négligeable, on peut s’attendre à une nouvelle amélioration pour une quantité raisonnable de collabora-tion entre des dispositifs individuels, partageant une connaissance plus large sur l’état de système. La contribution principale de ce travail de thèse concerne des solutions après le principe de consolidation de ressource, mentionné comme Routage avec

Conscience d’Énergie (RCE). Le routage avec conscience d’énergie (illustré dans

la Figure 2) vise à agréger les flux de trafic sur un sous-ensemble de dispositifs de réseau et des liens, permettant d’autres dispositifs d’entrer dans des états d’économie d’énergie (veille). Ces solutions devraient préserver la connectivité et la Qualité de Ser-vice (QdS), par exemple en limitant l’utilisation maximale sur n’importe quel lien, ou en assurant un niveau minimal de diversité de chemin. L’agrégation des flux peut être réalisée, par exemple, par une configuration appropriée des poids de routage.

Time

Traffic

Figure 2: Routage avec Conscience d’Énergie: Des routeurs et des liens sont mis dans des états d’économie d’énergie quand la charge de réseau est basse, en préservant la connectivité. Cette technique peut augmenter la charge sur quelques liens (les liens sont représentées avec des épaisseurs de bords différentes dans l’image, refléchissant des charges différentes) et la performance QdS doit être soigneusement étudiée.

Routage avec Conscience d’Énergie comme un Problème

d’Op-timisation

Une fois qu’un réseau a été conçu (c’est-à-dire, les ressources qui le composeront ont été déployées), un processus hors connexion, périodique, est appliqué pour opti-miser l’utilisation de ressources, qui est d’habitude mentionnée comme “optimisation de l’acheminement”. Ce processus classique consiste, en particulier dans la détermi-nation des chemins utilisés pour chaque couple source-destidétermi-nation ou, équivalemment, routeurs de sortie-d’entrée dans un réseau de transit. L’objectif d’optimisation com-mun est d’éviter la congestion par, par exemple, équilibrant le trafic aussi également que possible sur les liens de réseau, ou en assurant que l’utilisation de lien maximale reste toujours au-dessous d’un seuil donné. Dans des réseaux IP purs, le chemin util-isé par chaque flux est déterminé selon le Protocole de Passerelle Interne (IGP), basé sur les poids administratifs des liens. Le dimensionnement de réseau est ainsi ma-nipulé par des attributions de poids prudentes, utilisant par exemple des algorithmes d’optimisation des poids IGP (IGP-WO) [5].

Une des pratiques “vertes” les plus communes dans le dimensionnement de réseau consiste dans la consolidation de ressource: cette technique vise à réduire la consom-mation d’énergie en raison des dispositifs sous-exploités à un moment donné. Étant donné que le niveau de trafic dans un réseau donné suit approximativement un com-portement quotidien et hebdomadaire bien connu, il y a une occasion d’agréger aux courants de trafic sur un sous-ensemble des dispositifs de réseau, permettant à d’autres dispositifs d’être temporairement éteints. Cette solution préservera bien sûr la connec-tivité et QoS, par exemple, en limitant l’utilisation maximale sur n’importe quelle lien. Autrement dit, on garantira toujours le niveau exigé de performance, mais l’utilisation d’une quantité de ressources qui est dimensionée sur la demande de trafic réelle, plutôt que sur la demande maximale.

Le problème de consolidation de ressource peut être formalisé comme un problème d’optimisation, où l’objectif est la minimisation de la consommation d’énergie totale de réseau, et les contraintes incluent les contraintes de connectivité classiques et des contraintes QoS. L’objectif est de trouver la configuration de réseau (c’est-à-dire, le point de travail des noeuds et des liens du réseau) qui réduit au minimum la consommation d’énergie totale de réseau, exprimée comme la somme des consommations de tous

E₀ M 0 0.2 0.4 0.6 0.8 1 Energy consumption Utilization idleEnergy model fully proportional model energy-agnostic model

Figure 3: Modèles différents pour la consommation d’énergie de dispositif de réseau, exprimée comme fonction paramétrée de l’utilisation de dispositif.

les noeuds et les liens. On considère généralement la consommation d’énergie de dispositifs d’être composé par (i) une partie fixe (correspondant à la consommation d’énergie au repos) et (ii) une partie variable, selon la charge de trafic du dispositif.

La formulation du problème d’optimisation correspondant comme un MILP (optimi-sation linéaire entier mixte) a été détaillée dans [6] et sa solution a été évaluée consid-érant des scénarios de réseau réels et des modèles d’énergie différents, reflétant des scénarios technologiques différents, décrivant des dispositifs de réseau présents et fu-turs. Dans l’image 3, certains des modèles de consommation d’énergie considérés sont rapportés comme exemple. Ils rapportent la variation de la consommation d’énergie d’un dispositif de réseau, comme une fonction de son niveau d’utilisation normalisé, où E0 est la consommation d’énergie du dispositif au repos, et M sa consommation

d’énergie maximale.

Criticité de Dispositifs et Heuristiques pour le Routage avec

Conscience d’Énergie

L’optimisation du problème de routage avec conscience d’énergie, comme précédem-ment présenté, est une optimisation linéaire entière mixte, présentant tant de variables entières que linéaires et ainsi NP-hard pour être résolu. En tant que tel, le temps ex-igé pour le calcul de sa solution augmente rapidement, devenant infaisable pour des grandes topologies. Cela reste vrai même en considérant des modifications de formu-lation ad hoc, qui profitent des caractéristiques de réseau particulières, comme indiqué dans [7]. De plus, dans la solution du problème d’optimisation, le choix du jeu de dis-positifs à être éteints pour économiser l’énergie est conduite seulement par les coûts énergétiques et ne prend pas en compte la “criticité” de dispositifs dans le scénario de réseau spécifique.

Pour surmonter la complexité de trouver une solution optimale au problème de routage avec conscience d’énergie en considérant de grands réseaux, des heuristiques ont été étudiées et évaluées en littérature. En particulier les heuristiques proposées sont basées sur de tentatives successif l’extinction des dispositifs de réseau, basée sur des classements spécifiques: on considère chaque dispositif de réseau à son tour et

on l’éteint si son absence dans la configuration de réseau actuelle n’affecte pas l’état normal de fonctionnement du réseau même. Les classements peuvent être basés, par exemple, sur la charge actuelle ou sur la consommation énergétique des dispositifs de réseau [7–9].

Tous les classements précédemment considérés choisissent le jeu des dispositifs qui peuvent être éteints sans risques sur la base de leur consommation électrique, ou de leur état de travail dans une configuration de réseau agnostique. Nous croyons que le processus de consolidation de ressource devrait être conduit par une évaluation pré-cise de la criticité de dispositifs dans le scénario de réseau spécifique. Cependant, il n’y a aucune définition satisfaisante de la criticité de noeuds dans un réseau. Des in-dices classiques classent des routeurs basés seulement sur des aspects topologiques, comme la centralité, le degré, la proximité, et l’eigenvector, ou soulement sur la basé de la charge de trafic.

La Théorie des Jeux représente un outil puissant pour définir un index de criticité qui représente les deux aspects en même temps: en modelant le problème de consol-idation de ressource comme un jeu coopératif avec de l’utilité transférable (TU-Game), la valeur de Shapley de chaque noeud indique combien le noeud contribue dans le processus de livraison de trafic et comment son absence affecterait le réseau sur “la moyenne” (c’est-à-dire, sur toutes les configurations de réseau possibles). Ce jeu, (le Jeu Vert, ou le G-Game dorénavant) prend comme ses seuls inputs la topologie de réseau, c’est-à-dire, le jeu de liens et des dispositifs, et la matrice de trafic, c’est-à-dire, la quantité de trafic acheminé par le réseau entre chaque paire de dispositifs. La valeur de Shapley sur le G-Game définit un classement de dispositifs de réseau, conscient de la topologie et du trafic, qui peut profitablement être utilisés pour conduire le processus de consolidation de ressource.

Tandis que le G-Game définit un classement de criticité parmi des noeuds, un jeu correspondant, nommé le L-Game, a été conçu pour définir un classement de criticité parmi des liens dans un réseau de communication, de façon à pouvoir considérer des scénarios technologiques différents et les capacités de dispositif différentes de profiter d’un état au repos. Pour les deux jeux, des heuristiques spécifiques ont été définies et évaluées pour réduire la complexité de calcul, en exploitant la recherche tabou, la rareté de l’utilisation de très longs chemins et, éventuellement, la nature hiérarchique de la topologie de réseau.

Les processus de consolidation de ressource résultant des deux jeux ont été éval-ués considérant des scénarios de réseau réels et la caractérisation réelle des disposi-tifs. Les processus ont été contrastés avec ceux résultant de classements de dispositif classiques, en résultant dans un meilleur compromis entre l’économie d’énergie et la qualité du service, par rapport à ce qui concerne les classements de dispositif clas-siques (centralité, degré, proximité, eigenvector, et charge de trafic). L’image 4 donne une idée sur les changements de criticité de dispositif en considérant seulement la topologie de réseau (comme est le cas dans des classements de dispositif classiques) - du côté gauche - et en considérant tant les aspects topologiques que les conditions de trafic (comme dans les cas du G-Game et du L-Game) - du côté droit.

1 2 3 1 3 4 5 6 7 1 6 8 9 1 0 1 1 1 2 1 4 1 5 1 7 1 8 1 9 2 0 2 1 T _{1 1 T} 1 2 1 8 1 9 1 2 3 1 3 4 5 6 7 1 6 8 9 1 0 1 4 1 5 1 7 2 0 2 1

Figure 4: Comparaison graphique de la criticité de noeud résultant du G-Game (côté gauche) et un classement de criticité prenant en compte seulement la topologie de réseau (côté droit).

Solutions Distribuées pour le Routage avec Conscience

d’Éner-gie

Tout les solutions précédemment analysées pour le routage avec conscience d’énergie sont complètement centralisées et exigent la connaissance parfaite de la matrice de trafic, c’est-à-dire, la quantité de trafic envoyé par chaque noeud à tous les autres noeuds, à chaque instant de temps. Ces suppositions limitent l’applicabilité et le dé-ploiement de solutions centralisées à des cas spécifiques, considérant les technologies de réseau actuelles et prévues. Sur les bases de ces considérations, des solutions distribuées ont été développées pour résoudre le problème de cheminement conscient d’énergie.

Nous avons développé deux jeux de solutions entièrement distribuées pour adapter automatiquement la consommation électrique de réseau à la charge de trafic actuelle. Différemment d’autres travaux, nos solutions n’assument pas la présence d’un con-trôleur central, ni la connaissance de la matrice de trafic actuelle, ni de synchronisation stricte parmi les noeuds. Des simulations vastes ont été exécutées considérant des scénarios de réseau réels, montrant que les algorithmes distribués proposés peuvent réaliser des économies d’énergie comparables avec ceux de solutions centralisées, avec peu surplus de ressources demandes et en garantissant les contraintes de qualité de service demandée.

GRiDA: un Algorithme Vert Distribué

GRiDA (GReen Distributed Algorithm) représente une approche en ligne distribuée au problème du routage avec conscience d’énergie. Il a été conçu pour adapter au-tomatiquement la consommation d’énergie de réseaux IP à leur charge actuelle, en allumant/éteignant dynamiquement les liens, d’une façon entièrement distribuée. En détail, les noeuds prennent des décisions indépendantes et asynchrones sur l’état de marche/arrêt de liens incidents, sur la base de la charge de liens et de l’apprentissage,

basé sur les décisions passées.

La nature distribuée de la solution lui permet de: (i) limiter la quantité d’informations partagées, (ii) éviter la coordination explicite entre les noeuds et (iii) réduir la complexité du problème. De plus, les noeuds ne sont pas considérés connaître les requêtes de trafic auxquelles le réseau est soumis. L’algorithme utilise l’apprentissage pour réduire le nombre de reconfigurations de lien et pour faciliter la convergence de protocole de routage. De plus, GRiDA peut réagir tant aux variations de trafic qu’aux échecs de lien/noeud, en étant capable de réaliser des économies d’énergie considérables, com-parables avec celles réalisés pour les solutions centralisées précédemment analysées. Pour adapter la capacité de réseau à la demande de trafic actuelle, l’algorithme GRiDA (i) éteint des liens chaque fois qu’ils sont sous-exploités et chaque fois que leur absence dans le réseau n’affecte pas les fonctionnalités de réseau et (ii) allume des liens éteints quand la capacité est exigée pour garantir une réaction appropriée aux fautes et des changements de la demande de trafic. Le processus de commutation de l’état des liens est entièrement décentralisé aux noeuds, qui prennent des décisions locales aux intervalles de temps casuel, sans aucune coordination ou synchronisation parmi eux. La solution résulte ainsi être plus robuste et plus simple pour mettre en œuvre par rapport aux approches centralisées proposées jusqu’ici.

Les décisions locales sont basées seulement sur la connaissance de la charge actuelle et de la consommation électrique de liens incidents au noeud et sur la con-naissance de la topologie de réseau actuelle, assuré par un algorithme de routage à état de liens, par exemple, OSPF ou IS-IS. Dans GRiDA, les messages Link-State Advertisement (LSA) distribuent des informations sur la topologie de réseau actuelle, augmentée par des informations sur la congestion éventuel dans le réseau, c’est-à-dire, les cas dans lequel la charge des liens surmontant un seuil, ou la présence de couples de noeuds de source/destination disjoints. Les LSAs sont livrés aux noeuds aux inter-valles de temps fixes, choisi par l’administrateur de réseau, selon la configuration de OSPF ou IS-IS.

Pour chaque noeud, le problème se transforme dans le choix de la meilleure config-uration qui réduit au minimum une fonction utilitaire, en garantissant le fonctionnement correct du système global. Ce problème peut être résolu par le support de la technique de Q-learning [10], comme le choix de noeud est une fonction de l’état actuel du même noeud et chaque choix possible est associé à une fonction utilitaire évaluée, mise à jour en apprenant. De là, les décisions de noeud dans un état de fonctionnement correct correspondent à la configuration réduisant au minimum la fonction utilitaire associée à l’état actuel. Pour assurer la réaction rapide aux fautes et aux changements de trafic soudains, des mécanismes de sécurité ont été présentés, y compris un contrôle de connectivité a priori et un mécanisme de re-allumage rapide.

Des simulations ont été exécutées considérant des scénarios de réseau réels et une analyse de sensibilité a été exécutée sur les paramètres d’algorithme. Pour évaluer correctement les effets de l’algorithme sur la qualité de service offert par le réseau, une nouvelle métrique de performance a été définie: la surcharge. C’est un indicateur

relatif, moyenné au cours du temps de simulation, qui permet de représenter le nombre de fois dans lequel la charge de lien surmonte un seuil fixe, l’entité qui les surmontes et leur durée. Des résultats détaillés ont été publiés dans [11].

DLF et DMP: Distribution d’Heuristique Centralisée pour le Routage avec Conscience d’Énergie

Une autre direction naturelle pour la solution distribuée du problème de routage avec conscience d’énergie est représentée par la distribution des heuristiques centralisées précédemment présentées. En particulier nous avons projeté un nouvel algorithme, qui peut automatiquement adapter l’état de liens de réseau au trafic réel dans le réseau même. L’algorithme peut considérablement réduire la consommation d’énergie de réseau, en exigeant seulement un petit nombre de reconfigurations.

Plus en détail, l’algorithme est une version entièrement distribuée des algorithmes LF et MP proposés dans [7], qui utilise, la connaissance de charge de lien actuelle au lieu de la matrice de trafic actuelle (comme était, par contre, le cas des versions centralisées). La solution profite d’un protocole de routage à état de liens traditionnel, par exemple, OSPF, correctement augmenté pour échanger des informations sur l’état des liens (c’est-à-dire, allumé ou éteint) et la charge actuelle, basées sur lequel les décisions sont prises. En ce qui concerne la solution GRiDA, cet algorithme exige un jeu de paramètres d’input dont les valeurs sont intuitives et faciles de coucher et peut réaliser des économies d’énergie plus hautes. La simplicité et la meilleure performance viennent au prix d’un montant plus haut d’informations échangées et plus haut degré de coordination parmi des noeuds.

Étant donné que les noeuds prennent des décisions sur la base des informations communes, aucune synchronisation stricte n’est nécessaire parmi eux. Tous les noeuds connaissent qui est le lien suivant qui va être cible d’un tentative d’extinction, dans le réseau en état normal de fonctionnement: ce avec la plus haute consommation énergé-tique (DMP), ou le moindre chargé (DLF) et les deux noeuds adjacents à un tel lien sont responsables de la tentative d’extinction. Des mécanismes de sécurité ont été conçus pour éviter de débrancher le réseau et éviter la répétition de tentatives d’extinction qui résultent être faux (c’est-à-dire, produisent des désunions de réseau, ou des surcharges des liens). En outre, des mécanismes ont été conçus pour réagir rapidement aux fautes dans le réseau et aux changements dans les conditions de trafic.

Des simulations ont été exécutées considérant des scénarios de réseau réels et une analyse considérant les variantes possibles des algorithmes proposés et de la sensibil-ité à la variation des paramètres a été exécutée. Des résultats détaillés ont été publiés dans [12].

La Question des Références

Bien que le rendement énergétique de réseaux de communication a déjà gagné une attention considérable par une large communauté de recherche, une méthodologie

1 2 3 1 3 4 5 6 7 1 6 8 9 1 0 1 1 1 2 1 4 1 5 1 7 1 8 1 9 2 0 2 1 T

Figure 5: Les quatre topologies de scénarios de référence principales: (i) Un réseau de recherche européen (GEANT [13]) - en haut à gauche - (ii) le segment de backbone d’un réseau de fournisseur d’accès Internet européen (France Télécom) - en haut à droit - (iii) le segment de métro d’un fournisseur d’accès Internet national européen - en bas à gauche - et (iv) le réseau national d’un fournisseur d’accès Internet européen - en bas à droit.

complète pour mesurer et rapporter la consommation d’énergie systèmes de réseau semble loin d’être établie. Une première intervention en cette direction est représentée par l’analyse et la comparaison du jeu de métriques et modèles concernant l’énergie disponible, auquel ce travail de thèse contribue, en outre, par la définition d’une

tax-onomie pour les métriques concernant l’énergie [14].

La littérature actuelle propose beaucoup de métriques hétérogènes et de scénarios de référence pour qualifier et quantifier les économies d’énergie. En raison de cette hétérogénéité, la comparaison de solutions rivalisantes peut être plus favorable à une solution plutôt qu’à une autre, selon la métrique utilisée pour exprimer les résultats du banc d’essai. De là, il devient fondamental de définir un cadre cohérent pour l’évaluation de réseaux, qui devraient pouvoir entièrement caractériser n’importe quel compromis possible entre la consommation d’énergie et la performance de système. En d’autres termes, l’évaluation de solutions économes en énergie devrait prendre en compte la différence entre l’économie d’énergie réalisable et la réduction du QoS et du niveau de redondance, qui résulte de l’application de la solution spécifique.

Les scénarios de référence

Pour certifier la performance des algorithmes proposés, nous profitons des profils de trafic mesurés, et des scénarios de réseau réels, représentant des réseaux de recherche internationaux, ou des réseaux de fournisseur d’accès à Internet, fournis par les four-nisseurs d’accès Internet eux-mêmes. En outre, nous certifions la performance des solutions sur une gamme de scénarios de réseau, représentant un jeu hétérogène que couvre les réseaux d’extensions différentes et les différents niveaux hiérarchiques: réseaux d’acces, réseaux métro, jusqu’à réseaux de backbone.

Les quatre scénarios de référence principaux, évalués pour les différentes solutions étudiées dans le travail de thèse, sont reportés dans Figure 5. Ils représentent (i) Un réseau de recherche européen (GEANT [13]), (ii) le segment de backbone d’un réseau de fournisseur d’accès Internet européen (France Télécom), (iii) le segment de métro d’un fournisseur d’accès Internet national européen, et (iv) le réseau national d’un fournisseur d’accès Internet européen.

Aussi en ce qui concerne les profils de consommation énergétique de dispositifs de réseau, nous avons utilisé des chiffres mesurés et des profils d’énergie largement ac-ceptés dans la littérature, en attestant, aussi, la sensibilité des résultats aux variations de tels modèles d’énergie, en représentant d’éventuelles évolutions dans les technolo-gies de réseau.

Conclusions et Directions des Travaux Futures

Dans ce travail de thèse, nous avons étudié des solutions pour pousser la conscience d’énergie dans les réseaux câblés, d’après le principe de consolidation de ressource. Ces dernières années, la question de rendement énergétique est arrivée à l’importance primordiale tant pour les industries que pour la communauté de recherche, à cause de ses implications économiques potentielles et de son impact attendu sur l’environnement. Dans ce contexte, bien que le domaine de réseau vert soit toujours à ses débuts, un certain nombre de travaux intéressants ont déjà été effectués, explorant des directions de recherche différentes. En particulier nous avons principalement fait levier sur le paradigme de routage avec conscience d’énergie, en proposant et en analysant des solutions techniques tant centralisées que distribuées.

Contributions

Notre premier travail vers le “greening” de réseaux a visé à déterminer les différents paradigmes actuellement explorés pour réduire les dépenses énergétiques de réseau et ceux qui peut toujours être exploré. Pour chaque paradigme, nous dessinons l’état

de l’art et soulignons les points qui ont besoin de plus recherche. Nous avons proposé

une taxonomie des travaux pertinente dans la gestion des réseaux verts. Notre contri-bution principale au domaine des réseaux verts concerne le routage avec conscience

d’énergie, qui représentait un paradigme marginalement exploré, tandis qu’étant promet-tant en termes d’économies d’énergie réalisables. En outre, il représente un vrai défi, comme les économies d’énergie sont réalisées au prix d’une réduction du niveau de redondance et de qualité du service offert. Un bon compromis peut donc être défini.

En prenant une vue générale de la recherche actuelle des réseaux verts, nous avons mis en évidence un manque de scénarios d’évaluation communs et des métriques pour l’analyse de solutions d’économie d’énergie, aussi bien que des valeurs de con-sommation d’énergie fiables et des méthodologies de mesure communes. Nous croyons qu’un effort commun soit nécessaire vers la définition d’une méthodologie complète pour mesurer et rapporter la consommation d’énergie de réseaux et caractériser tous les différents compromis possible entre la consommation d’énergie et la performance de système. Nous avons contribué à cet effort (i) en fournissant le profil de

con-sommation électrique d’utilisateur final liée à la navigation sur le Web et au

charge-ment de module d’extension de Flash, (ii) en comparant et opposant les différentes

métriques concernant l’énergie utilisée dans la littérature récente, et (iii) en définis-sant une taxonomie pour les classifier.

En suivant le paradigme de consolidation de ressource, nous avons évalué la for-mulation du routage avec conscience d’énergie comme un problème d’optimisation et présenté ses résultats pour la solution des scénarios de réseau réels, et la consid-ération des modèles de consommation énergétique différents, qu’ils représentent de scénarios technologiques différents. Nous avons analysé les différents compromis ré-sultants entre l’économie d’énergie réalisable et la qualité de service offert.

En résolvant le problème du routage avec conscience d’énergie comme un prob-lème d’optimisation, le jeu de dispositifs à être éteints pour économiser l’énergie est choisi simplement sur la base des coûts de l’énergie et ne prend pas en compte “la criticité” de tels dispositifs dans le scénario de réseau spécifique. Nous exploitons les puissants outils de la théorie des jeux en modelant le scénario de réseau comme un jeu coopératif avec de l’utilité transférable, et définissons un classement par criticité

parmi les dispositifs de réseau. Le jeu défini prend en considération tant la

topolo-gie de réseau, que ses conditions de trafic, de plus, on estime la criticité de dispositif pour le nombre de chemins primaires et de secours qu’ils passent pour le dispositif, leur importance dans la construction des chemins et le montant de trafic réellement acheminé sur tels chemins, en moyenne sur les différentes configurations de réseau possibles. Le classement de criticité a été défini d’une façon semblable, tant pour les noeuds, que pour les liens et peut être profitablement utilisé pour conduire le processus de consolidation de ressource.

Toutes les solutions précédemment proposées pour le problème du routage avec conscience d’énergie supposent un scénario technologique dans lequel une entité de contrôle centrale est présente, ayant une vue globale de l’état instantané du réseau et des requêtes de trafic, et étant capable de calculer la meilleure configuration de réseau et coordonner les dispositifs de réaliser en telle configuration. Ces suppositions limitent l’applicabilité et le déploiement de solutions centralisées à des cas spécifiques, consi-dérant les technologies de réseau actuelles et prévues. Des solutions distribuées ont de là été développées et évaluées. En particulier nous avons proposé des solutions

différentes qui représentent des différents niveaux de coordination parmi les noeuds et différents types des informations échangées. Les solutions proposées résultent sta-bles, en considérant des scénarios de réseau réels. De plus, les solutions proposées ont résulté capables de réaliser une épargne énergétique comparable avec ceux de solutions centralisées, en maintenant la performance de réseau sous contrôle.

Directions de Travail Futures

Bien que nous avons fait de notre mieux dans la réalisation de ce travail aussi complet que possible, inévitablement, il exist des points que nous n’avons pas traité encore, en l’absence du temps. Dans la suite, nous rapportons des questions que nous pensons représentent des points toujours ouverts et que nous voudrions poursuivre dans l’avenir. Le problème du routage avec conscience d’énergie peut aussi être formulé comme un problème de conception robuste de réseau, dans lequel, les dispositifs qu’ils peuvent potentiellement subir des échecs (c’est-à-dire, les liens et/ou les noeuds) correspondent aux dispositifs qui peut être éteint. Il peut de là être possible de définir des statuts de fonctionnement différents, dont chacun correspond à un jeu spécifique de dispositifs éteints. Dans ce cas, il peut être possible d’optimiser le processus de design comme une optimisation globale sur les différents statuts de fonctionnement possibles. Une analyse d’une telle formulation peut être intéressante, en particulier évaluer le compro-mis entre la robustesse de réseau et l’économie d’énergie. En réalité, une évaluation explicite de la robustesse de solution manque aussi en ce qui concerne les solutions actuelles et classiques pour le problème du routage avec conscience d’énergie.

Pour ce qui concerne l’évaluation de la criticité de dispositifs de réseau, comme défini dans ce travail de thèse, il serait intéressant d’analyser l’évolution dans le temps du classement de criticité, en considérant en particulier des scénarios de réseau in-cluant des noeuds soumis aux comportements de nuit/jour différents (par exemple, le réseau s’étendant à travers des fuseaux horaire différents). Dans un scénario variable semblable, il serait aussi intéressant d’évaluer la corrélation entre différentes solutions de consolidation de ressource, mais proches dans le temps. Un grand nombre de reconfigurations de réseau peut, en effet, dégrader la performance du réseau (c’est-à-dire, chaque reconfiguration exige une nouvelle période de convergence pour le proto-cole de routage). Des compromis différents entre les économies d’énergie et le nombre de reconfigurations de réseau peuvent de là être précisément définis et évalués. En-fin, l’impact de telles reconfigurations de réseau sur le trafic devrait être précisément évalué (par exemple, les temps de convergence du protocole de routage, ou les pertes de trafic éventuelles, selon le scenario technologique considéré).

Dans notre travail, nous avons proposé des solutions distribuées pour le problème du routage avec conscience d’énergie, qui permettent d’éviter le besoin d’une entité de contrôle centrale, coordonnant la configuration de réseau et ayant une connaissance globale du trafic de réseau courant. En outre, les solutions distribuées réduisent la complexité du problème par rapport aux solutions centralisées. Modelant de telles solutions distribuées comme des jeux évolutionnaires (ou comme des jeux parfaits dans l’information) peuvent permettre une meilleure compréhension de la convergence

d’algorithme et des états stables finaux.

Enfin, une évaluation détaillée du trafic additionnel nécessaire à la gestion des mécanismes venant avec les solutions distribuées pour le routage avec conscience d’énergie et de ses questions pratiques, représente une étape nécessaire vers n’importe quelle mise en œuvre réelle. À cette fin, nous travaillons actuellement sur une mise en œuvre de banc d’essai des solutions proposées.

En outre, les techniques de conception de réseau actuelles sont basées sur le som-met des requêtes de trafic prévues. Il serait intéressant d’évaluer comment le procès de conception de réseau change en prenant en compte la possibilité de dimension-nement successif selon des charges de réseau variable (c’est-à-dire, le routage avec conscience d’énergie). Ce processus inclura une conception basée sur un jeu de matri-ces de trafic, couvrant toutes les variations de trafic prévues, au lieu de la seule matrice de trafic maximale.

Nous croyons que l’index de criticité pour les dispositifs de réseau, comme défini dans ce travail de thèse, peut être profitablement utilisé aussi dans le processus de conception de réseau. Il peut permettre, par exemple, de distribuer la criticité autant que possible parmi des dispositifs de réseau (c’est-à-dire, présenter des dispositifs de secours de côté de ceux-là les plus critiques et enlever les dispositifs moins critiques, prenant en compte l’investissement correspondant).

Contents

Acknowledgements I

Résumé en Langue Française V

Contents XIX

List of Figures XXI

List of Tables XXIII

Abbreviations XXV

1 Introduction 1

2 A Picture of the Green Networking Research 3

2.1 The Green Networking Goals . . . 4 2.2 Green Strategies . . . 5 2.2.1 Adaptive Link Rate . . . 7 2.2.2 Interface Proxying . . . 8 2.2.3 Energy Aware Applications . . . 9 2.2.4 Energy Aware Routing . . . 10 2.2.5 Clean-Slate Approaches and Network Design . . . 11 2.3 The Benchmark Issue . . . 11

3 Energy-Aware Routing as an Optimization Problem 13

3.1 The Problem Formulation . . . 13 3.2 Results on Real Network Scenarios . . . 15 3.3 Possible Formulation Extensions . . . 19

4 Device Criticality and Heuristics for the Energy-Aware Routing 21

4.1 A Criticality-Driven Device Ranking: the G-Game . . . 22 4.1.1 The G-Game Definition . . . 22 4.1.2 On the Efficient Computation of the Shapley Value . . . 24 4.1.3 Results on Real Network Scenarios . . . 26 4.2 Evaluation of the Criticality of Links in Networks: the L-Game . . . 32

4.2.1 The L-Game Definition . . . 33 4.2.2 On the Efficient Computation of the Link Shapley Value . . . 34 4.2.3 Results on Real Network Scenarios . . . 35

5 Distributed Solutions for Energy-Aware Routing 39

5.1 GRiDA: a Green Distributed Algorithm . . . 39 5.1.1 The Algorithm Description . . . 40 5.1.2 Results on Real Network Scenarios . . . 44 5.2 DLF and DMP: Distributing Centralized Heuristics for Energy-Aware

Rout-ing . . . 53 5.2.1 Algorithm Description . . . 53 5.2.2 Results on Real Network Scenarios . . . 56 5.3 Implementation Issues . . . 61

6 Conclusions and Future Work Directions 63

6.1 Summary . . . 63 6.2 Future Work Directions . . . 65

Bibliography 67

A List of Publications 73

A.1 International Journals with Peer Review . . . 73 A.2 International Conferences and Workshops with Peer Review . . . 73 A.3 Book Chapters . . . 74 A.4 Other Publications and Research Reports . . . 74 A.5 Submitted . . . 75

List of Figures

1 Une image de la recherche actuelle dans le Green Networking. . . VII 2 Routage avec Conscience d’Énergie . . . VIII 3 Modèles différents pour la consommation d’énergie de dispositif de réseau IX 4 Comparaison graphique de classements de criticité différents. . . XI 5 Les quatre topologies de scénarios de référence principales. . . XIV 2.1 Network energy consumption share among different device types . . . 4 2.2 A picture of the current green networking research. . . 6 2.3 Adaptive Link Rate strategies . . . 7 2.4 External proxying . . . 8 2.5 Energy aware TCP . . . 9 2.6 Energy aware routing . . . 10 3.1 Different models for the network device energy consumption . . . 16 3.2 The Geant network topology and traffic profile . . . 17 3.3 Energy consumption for different routing algorithms and different energy

models, in the Geant network scenario . . . 17 3.4 Link load distribution for different routing algorithms in the Geant network

scenario . . . 19 4.1 Toy examples illustrating the Shapley value computation. . . 25 4.2 The TIGER2 reference topology. . . 27 4.3 Graphical comparison of the G-Game and of the G-Game U-TM rankings. 28 4.4 Distribution of the link utilization, considering different ranks and in the Baseline

configuration.. . . 30 4.5 Link load sensitivity to variations of the traffic distribution, for the G-Game. 32 4.6 Path length sensitivity to variations of the traffic distribution. . . 32 4.7 Network topology of the FT scenario. . . 35 4.8 Normalized total traffic variation. . . 35 4.9 Graphical comparison of different link rankings for the TIGER2 network

scenario. . . 36 4.10 L-Game performance evaluation on the TIGER2 network scenario. . . 37 4.11 L-Game performance evaluation on the FT network scenario. . . 37 4.12 Link load distributionfor, considering different link rankings. . . 38

5.1 Day/night traffic behavior for the simulations scenario, and Italian ISP network topology . . . 45 5.2 Power saving and cumulative unaccepted changes for the TIGER2 scenario 46 5.3 Fault reaction in the TIGER2 scenario. . . 47 5.4 Power saving and cumulative unaccepted changes for the Geant scenario 48 5.5 Transient analysis for the Italian ISP scenario. . . 49 5.6 Impact of δ for the Italian ISP scenario. . . 50 5.7 Italian ISP: Impact of δ on the status exploration. . . 51 5.8 Italian ISP: Impact of the ∆c,M axparameter. . . 52

5.9 Italian ISP: performance temporal evolution. . . 57 5.10 Impact of ∆c. . . 59

List of Tables

3.1 Energy consumption parameters, for the Geant network elements . . . . 17 4.1 Correlation between different criticality rankings. . . 29 4.2 List of network nodes, ordered according to different criticality rankings. . 29 4.3 Resource consolidation performance, using different criticality rankings. . 31 4.4 Main characteristics of the TIGER2 and FT scenarios. . . 36 5.1 Simulation parameters for the 3 simulation scenarios. . . 46 5.2 Italian ISP: algorithm comparison . . . 52 5.3 Italian ISP: ∆LSAvariation. . . 53

5.4 Simulation scenario characteristics. . . 56 5.5 Algorithm Comparison. . . 58 5.6 Impact of maxLength. . . 60 5.7 Variation of ∆LSA. . . 60

Abbreviations

ALR: Adaptive Link Rate

ARP: Address Resolution Protocol CPU: Central Processing Unit

DHCP: Dynamic Host Configuration Protocol DLF: Distributed Least Flow

DMP: Distributed Most Power DVS: Dynamic Voltage Scaling

DWDM: Dense Wavelength Division Multiplexing ECMP: Equal-Cost Multi-Path

GHG: Green House Gas

ICMP: Internet Control Message Protocol

ICT: Information and Communication Technologies IEEE: Institute of Electrical and Electronics Engineers IGP: Interior Gateway Protocol

IGP-WO: IGP Weight Opimisation IP: Internet Protocol

IS-IS: Intermediate System To Intermediate System ISP: Internet Service Provider

LAN: Local Area Network LF: Least-Flow

LSA: Link States Advertisement MP: Most-Power

MPLS: Multi Protocol Label Switching NIC: Network Interface Card

OEO: Optical-Electronic-Optical OSPF: Open Shortest Path First QoS: Quality of Service

TCP: Transmission Control Protocol TE: Traffic Engineering

TM: Traffic Matrix

Chapter

1

Introduction

The reduction of power consumption in communication networks has become a key issue for both the Internet Service Providers (ISP) and the research community. Ac-cording to different studies, the power consumption of Information and Communication Technologies (ICT) varies from 2% to 10% of the worldwide power consumption [1, 2]. Moreover, the expected trends for the future predict a notably increase of the ICT power consumption, doubling its value by 2020 [2] and growing to around 30% of the worldwide electricity demand by 2030 according to business-as-usual evaluation scenarios [15]. It is therefore not surprising that researchers, manufacturers and network providers are spending significant efforts to reduce the power consumption of ICT systems from dif-ferent angles.

To this extent, networking devices waste a considerable amount of power. In partic-ular, their power consumption has always been increased in the last years, coupled with the increase of the offered performance [16]. Actually, power consumption of network-ing devices scales with the installed capacity, rather than the current load [17]. Thus, for an ISP the network power consumption is practically constant, unrespectively to traffic fluctuations. However, actual traffic is subject to strong day/night oscillations [3]. Thus, many devices are underutilized, especially during off-peak hours when traffic is low. This represents a clear opportunity for saving energy, since many resources (i.e., routers and links) are powered on without being fully utilized.

In this context, resource consolidation is a known paradigm for the reduction of the power consumption. It consists in having a carefully selected subset of network devices entering a low power state, and use the rest to transport the required amount of traffic. This is possible without disrupting the Quality of Service (QoS) offered by the network infrastructure, since communication networks are designed over the peak foreseen traffic request, and with redundancy and over-provisioning in mind.

In this thesis work, we present different techniques to perform resource consolida-tion in backbone IP-based networks, ranging from centralized soluconsolida-tions, where a central entity computes a global solution based on an omniscient vision of the network, to dis-tributed solutions, where single nodes take independent decisions on the local power-state, based solely on local knowledge. Moreover, different technological assumptions are made, to account for different possible directions of the network devices evolutions,

ranging from the possibility to switch off linecard ports, to whole network nodes, and taking into account different power consumption profiles.

Structure of the dissertation

In the first part of the dissertation, Chapter 2, we analyse the state of the art of the green neworking research, and introduce the benchmark issue, while in the second part, Chapter 3-5, we concentrate on the proposed technical solutions. The third part, Appendix A contains additional complementary information.

Chapter 2 is an introductory chapter that analyses the current state in green

net-working research. The main green netnet-working paradigms are here introduced, and for each we analyse the principal solutions, together with the research directions.

Overviewing the current green networking research, we highlighted a lack of com-mon evaluation scenarios and metrics for the analysis of energy saving solutions, as well as of reliable energy consumption figures and common measuring methodologies. This issue is also discussed in Chapter 2.

In Chapter 3 we discuss the formulation of the resource consolidation as an opti-mization problem, and present its solution results for real network scenarios, consid-ering different power models, and analysing the resulting tradeoff between achievable energy saving and offered QoS.

In Chapter 4 we analyse in more details the existing and proposed solutions to apply resource consolidation in wired networks in a centralised manner. All the solution discussed in this chapter suppose the presence of a central entity, which has a global view of the instantaneous network status, can compute the best network configuration, and can coordinate network devices to enter such configuration.

As a further step, we present in Chapter 5 distributed solutions for resource con-solidation in wired networks. Different tradeoffs are considered between the amount of information exchanged by network devices, and the solution efficiency, in terms of achievable energy savings, and resulting QoS.

Chapter 6 concludes the dissertation and contains suggestions for further work.

Chapter

2

A Picture of the Green Networking

Research

The reduction of energy consumption has become a key issue for industries, because of economical, environmental and marketing reasons. If this concern has a strong influ-ence on electronics designers, the information and communication technology sector, and more specifically the networking field, is also concerned. For instance, data-centers and networking infrastructure involve high-performance and high-availability machines. They therefore rely on powerful devices, which require energy-consuming air condition-ing to sustain their operation, and which are organized in a redundant architecture. As these architectures are often designed to endure peak load and degraded conditions, they are under-utilized in normal operation, leaving a large room for energy savings. In recent years, valuable efforts have indeed been dedicated to reducing unnecessary energy expenditure, which is usually nicknamed as a greening of the networking tech-nologies and protocols.

In this thesis work, we focus on protocols and performance rather than on actual transport technologies: as such, we invite the reader to [18] for an overview of energy efficiency in optical networks. Similarly, as energy-related studies in wireless networks are very specific, they would require a dedicated study. This thesis work therefore focuses on wired networks. In wired networks, energy saving often requires a reduc-tion in network performance or redundancy. Considering this compromise between the network performance and energy savings, determining efficient strategies to limit the network energy consumption is a real challenge. However, although the green network-ing field is still in its infancy, a number of interestnetwork-ing works have already been carried out, which are overviewed in the current chapter.

In order to evaluate the potential impact of a “green” solution on the ICT energy consumption, it is necessary to understand how the different devices and network seg-ments contribute to the total expenditure. The Internet, for instance, can be segmented into a core network and several types of access networks. In these different segments, the equipment involved, its objectives and its expected performance and energy con-sumption levels differ. As such, one may reasonably expect that both the concon-sumption figures and the possible enhancements are considerably different. In 2002, Roth et al. analyzed the energy consumption contributions of different categories of equipment in

Routers (17.9%) WAN switches (2.4%) LAN switches (53.7%) Hubs (26.0%) 0 10 20 30 40 50 60

Figure 2.1: Contribution of different device types to the network energy consumption in year 2002 [19]

the global Internet [19]. These figures, represented in Figure 2.1, indicated that local area networks, through hubs and switches, were responsible for about 80% of the total Internet consumption at that time. In 2005, the authors of [20] estimated the relative contribution of the Network Interface Cards (NICs) and all the other network elements and concluded that the NICs were responsible for almost half of the total power con-sumption. More recently, studies have started reporting an increase of the consumption in the network core: for instance, in 2009 Deutsche Telekom [21] forecasted that by year 2017, the power consumption of the network core will be equal to that of the network ac-cess (the study also suggested, for the coming decade, a 12-fold increase in the power consumption of the network core, mainly due to the IP/MPLS layers). Yet, as another recent study [22] suggests that the core network consumption will instead play a minor role with respect to the other network segments, this issue needs further investigation.

Not surprisingly, everything evolves rapidly in the ICT domain, which makes the aforementioned figures and estimations quickly out-dated and possibly inaccurate. As a consequence, there is a true need for a permanent evaluation of this consumption, in order to point out and update regularly the most relevant targets for potential energy-savings. However, such an evaluation requires a collaboration of equipment manufac-turers, ISPs and governments, which is clearly not an easy process. We will come back on this issue in Section 2.3.

2.1 The Green Networking Goals

The “Green Networking” may be seen in many different ways, depending on the point of view from which it is observed. From a strict environmental point of view, for instance, the objective of green networking is the minimization of the GHG emissions. An obvious first step in this direction is to enforce as much as possible the use of renewable energy in ICT. Yet another natural track is to design low power components, able to offer the same level of performance. However, these are not the only leads: redesigning the network architecture itself, for instance by geographical delocating network equipment towards strategic places, may yield substantial savings too for two main reasons. The first reason is related to the losses that appear when energy is transported: the closer

the consumption points are to the production points, the lower this loss will be1_{. The}

second reason is related to the cooling of electronic devices: air-cooling represents an important share of the energy expenditure in data centers and cold climates may lessen this dependency.

Geographical delocalization is also a promising approach from an economical point

of view. The global energy market offers volatile and time-varying prices. The prices

may even become negative when a production surplus appears but there is no customer demand. Energy cannot be stored efficiently, and even though consumption predictions based on historical data quite accurately trigger production units, over-production is al-ways possible. This variability can be exploited by displacing the computation where energy has a lower cost. Going one step further, if the physical machines can be delo-calized to minimize the global energy consumption, one may imagine that services too may be located at the optimal places, and that they may move when conditions vary, introducing the time dimension. Computation-intensive operations may be executed on one hemisphere or on the other so that processor (CPU) cycles follow, e.g., seasonal or day/night patterns. A huge technological challenge lies in performing such service migration without any service disruption, preserving fault-tolerance and data security.

The previous optimizations are directly function of the energy price and are not di-rectly related to environmental considerations. The market-related issues behind this problem may lead to an optimal solution in terms of cost that is sub-optimal in terms of total energy consumption. Indeed, 100 MWh sold at a unit price of $ 120 are more ex-pensive than 120 MWh sold at a unit price of $ 90. Thus, environmental considerations generally need a regulatory point of view to assist their enforcement. Regulation, which often falls into governmental duties, may push towards greening of the technol-ogy by different means (e.g., taxes on GHG emissions, diverting research funds towards energy efficiency, etc.).

Finally, from an engineering point of view, green networking may be better seen as a way to reduce energy required to carry out a given task while maintaining the same level of performance, which is the point of view that we will adopt in the rest of this study. Nevertheless, this point of view alone is still relevant as system efficiency from the engineering perspective still deeply relates to economical, regulatory and environmental viewpoints.

2.2 Green Strategies

Traditionally, network devices and systems are designed and dimensioned according to principles that are inherently in opposition with green networking objectives: namely, over-provisioning and redundancy. On the one hand, due to the lack of Quality of Ser-vice (QoS) support from the Internet architecture, over-provisioning is a common prac-tice: networks are dimensioned to sustain peak hour traffic, with extra capacity to handle unexpected events. As a result, during low traffic periods, over-provisioned networks are also over-energy-consuming. Moreover, for resiliency and fault-tolerance, networks are

1_{Long-distance electricity transportation uses high-voltage lines to reduce losses: therefore, the energy}

losses are not directly proportional to the distance, but may rather be represented by a threshold-based linear function.

!"#$%&'($) *% ) )µ% ) )#% ) )% ) )+ ) ), ) )-) ./& +"0$&01/'() 2$ 3 $ () 456) .27) 8*$/9-:.;'/$)7<1=*9) >*0$/?'&$) @/<A-"*9) 8*$/9-:.;'/$) >*?/'%0/1&01/$%) B$0;</C) 4$%"9*) >*0$/? 8*$/9-: .;'/$) .DD("&'= <*%)

Figure 2.2: A picture of the current green networking research.

also designed in a redundant manner. Devices are added to the infrastructure with the sole purpose of taking over the duty when another device fails, which further adds to the overall energy consumption. These objectives, radically opposed to the environmental ones, make green networking an interesting and technically challenging research field. A major shift is indeed needed in networking research and development to introduce energy-awareness in the network design, without compromising either the quality of service or the network reliability.

While, for the time being, network devices and protocol are mostly unaware of the energy they consume, a number of valuable research works have started exploring energy-awareness in fixed networks. A natural classification of the different approaches may be based on the timescale of the decisions involved by the green strategy. As pointed out in [23], timescales on the order of nanoseconds to microseconds apply to CPU and the instruction level, which is relevant in the computer and software ar-chitecture levels, and thus concern only individual building blocks of a single system. Timescales on the order of micro to milliseconds are instead relevant at the system layer. At these timescales, actions may be taken between consecutive packets of the same flow (inter-packets, intra-flow), possibly involving several components at the same time, but likely confined within a single system. Larger timescales, on the order of one second and above, allow instead the action to span between multiple entities, possibly involving coordination of such entities as well. Notice that timescales directly define the architectural level at which actions can be taken: the shorter the timescale is, the lower the layer and the less possible interaction among different components.

The main branches of the green networking research explored so far are reported in Fig. 2.2, classified by timescale and architectural level. Lower values of the y-axes cor-respond to solutions concerning single chips, while going up we find solutions involving whole devices, and device systems, of growing size. The main branches of green net-working research are, namely, Adaptive Link Rate (ALR), interface proxying, energy

1 Gb/s

100 Mb/s

idle

Figure 2.3: Adaptive Link Rate strategies: the rate of a 1 Gb/s link can be reduced to 100 Mb/s (rate switch, middle plot) or the link can be made idle to save energy (sleeping mode, bottom plot), depending on the adjacent routers loads.

aware applications, and energy aware routing. The remaining of this section briefly

overviews these four research directions. Among the different contributions of this the-sis work, we draw a state of the art of the research on energy saving in wired networks, together with defining a taxonomy for past, and possible future, technical solutions. We refer the interested reader to [4] for more details.

2.2.1 Adaptive Link Rate

Most of the effort in green networking has been devoted to solutions that are referred to as ALR, up to now. These techniques are designed to reduce energy consumption in response to low utilization in an on-line manner (i.e., at run time). A considerable num-ber of works have explored this solution, and the IEEE Energy Efficient Ethernet Task Force is now complete with the approval of IEEE Std 802.3az-2010 at the September 2010 IEEE Standards Board meeting [24].

The basic intuition behind this solution is based on the fact that the energy consump-tion of Ethernet links is largely independent from their utilizaconsump-tion level [25], but depends only on the negotiated rate and working state (e.g., on/sleep). In order to have a power consumption of the network system as proportional as possible to its utilization level, it is hence possible to either (i) force links entering low power states during idle periods, or (ii) reduce the link rate during low utilization periods. The two strategies are illustrated in Fig.2.3.

A wide literature exists, that analyses the different possibilities offered by the link rate adaptation/switching strategy, and its key points: (i) which and how many low power states to use, (ii) use a sleep mode or a rate adaptation, (iii) consider different QoS versus energy saving tradeoffs. Different algorithms have been proposed to drive the rate/state change, which better adapts to different power models and technological as-sumptions (e.g., switching time), as well as to different traffic conditions. The proposed

who has 137.194.46.102 who has 137.194.46.102 137.194.46.102 is at fc:45:6b:a4:43:b5 137.194.46.102 is at fc:45:6b:a4:43:b5 who has 137.194.46.102 137.194.46.102 is at fc:45:6b:a4:43:b5

Figure 2.4: External proxying: a switch acts as a proxy for ARP traffic, allowing the target machine to sleep at least until data traffic is sent.

algorithms rage from the simple instantaneous observation of the transmission buffer state, as in [26], to more complex solutions, including timers to avoid oscillations, as in [27], or an analysis of the temporal evolution of the buffer state, as in [28]. Different algorithmic solutions are compared in [29], while practical aspects have been standard-ized by the IEEE Energy Efficient Ethernet Task Force [24].

2.2.2 Interface Proxying

This category includes green networking solutions exploiting the presence of consis-tent time intervals in which access devices are unused, but would normally be forced to support network connectivity tasks (e.g., periodically sending heartbeats, receiving un-necessary broadcast traffic, etc.). In these time intervals, edge nodes can for instance enter an energy saving state, while the network connectivity tasks may be taken over by other nodes, such as proxies, momentarily faking the identity of idle devices, so that no fundamental change is required in network protocols.

With respect to the previously analysed solutions, where functionalities could be simply turned off (e.g., no transmission at all when the link is idle), in the case of end devices this is however not possible, as some functionalities need to be delegated (i.e., traffic processing is handed over to more energy efficient entities). Indeed, without prox-ying solutions, even though users are idle, background network traffic is nevertheless received and needs processing, thus preventing PCs from going in sleeping mode.

The idea behind interface proxying consists in delegating the processing of the net-work background traffic (a.k.a. chatter). Such processing may include simple filtering (e.g., in the case of unwanted broadcast/portscan traffic), simple responses (e.g., in the case of ARP, ICMP, DHCP), or even more complex tasks (e.g., in the case of P2P applications such as Gnutella or BitTorrent). Such tasks can be delegated from the energy-hungry mainboard CPUs of end devices to a number of different entities: e.g., locally to the low-energy processor onboard of the NIC of the same device, or to an external entity (in this latter case, a single proxy may be deployed for several machines